Executive functions: a fresh perspective for entrepreneurship education
Notice bibliographique
Résumé
Purpose This paper introduces executive functions (EFs)–i.e. high-level cognitive processes that are elicited in novel and non-routinised situations–into discussions within entrepreneurship education (EE). By reviewing the existing literature, it highlights how EFs are important for the entrepreneur, their role in the entrepreneurial process and implications for improving EE. Design/methodology/approach We conduct a literature review bridging cognitive psychology, EE and entrepreneurship fields to clarify the role of EFs in the entrepreneurial process. To do so, we define EFs and then propose a model of the entrepreneurial process to frame our review and identify knowledge and gaps in current research. Findings This review shows why EFs are valuable for EE and calls for more focus on them to better prepare students for entrepreneurship and general life challenges. The findings underscore the importance of EFs in understanding key aspects of the entrepreneurial process. Although EFs are studied in the entrepreneurship and EE fields, they are rarely conceptualised from a cognitive psychology perspective, with research often focusing on isolated EF components instead of examining them as a whole. Originality/value This review is the first to highlight the role of EFs in the entrepreneurial process in a structured way. Integrating cognitive psychology insights on EFs can enrich EE for both venture creation and value creation approaches while also supporting the development of more effective programs. This focus on EFs also provides a fresh perspective and a valuable lens for understanding complex phenomena such as cognition, learning and the factors behind success and failure in entrepreneurship.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».